Introducción a los métodos

de la epidemiología y la
bioestadística
M.Á. Martínez-González

E. Toledo

N. Martín-Calvo

A. Sánchez-Villegas
1.1. Estadística, estadística aplicada y
bioestadística
Aunque se hable de literatura biomédica, no parece que el término
literatura le sea ya aplicable. La realidad es que el rigor cuantitativo
ha prevalecido más que cualquier pretensión estética o «literaria».
Hoy día, en biomedicina, la información necesita ser cuantificada,
tabulada y tratada con métodos estadísticos adecuados. Se acepta
que quien no sea capaz de expresar numéricamente sus conclusiones
o resultados no aportará información válida. Los conceptos
cuantitativos se han incorporado explícita o implícitamente en la toma
de decisiones. Los principios de la probabilidad y la estadística son
los que rigen. El lenguaje biomédico actual que se usa para valorar
hipótesis y para juzgar la etiología, el diagnóstico o el pronóstico en
la práctica clínica es el de la bioestadística.
El siglo XXI está siendo el siglo de la estadística y de la medicina
basada en pruebas (evidence-based medicine). Por lo tanto, resulta
imprescindible adquirir soltura y buenas competencias en el manejo
de conceptos cuantitativos para practicar la ciencia biomédica (1).
Todo esto tiene mucho que ver con la bioestadística que se explica en
este manual.
La estadística consiste en la recogida, cuantificación, síntesis,
análisis e interpretación de la información relevante contenida en
unos datos. Puede dividirse en dos grandes campos: estadística
matemática y estadística aplicada.
La estadística matemática es el terreno de los profesionales de las
Matemáticas y puede resultar inaccesible a especialistas en otras
áreas. Exige una gran fuerza creativa, ya que implementa nuevos
procedimientos que se utilizan para resolver problemas en los
distintos campos del saber. Además, requiere un conocimiento
minucioso de los principios matemáticos y exige el nivel de
abstracción y generalización propio de las ciencias matemáticas.
La estadística aplicada versa sobre cómo y cuándo utilizar cada
procedimiento y cómo interpretar sus resultados. Estudia, por tanto,
la transferencia de los métodos de la estadística matemática a otras
disciplinas, como la economía, la publicidad, la sociología o la
medicina (2,3).
La bioestadística es la rama de la estadística que se ocupa de los
problemas planteados dentro de las ciencias de la vida, como la
biología o la medicina, entre otras (4). Los profesionales que trabajen
en los campos de la medicina, la farmacia, la biología, la enfermería,
la psicología, la nutrición o la salud pública necesitan conocer los
principios que guían la aplicación de los métodos estadísticos a los
temas propios de cada una de sus respectivas áreas de conocimiento.
1.2. Bioestadística descriptiva y
bioestadística analítica o inferencial
La bioestadística se divide en dos grandes apartados: descriptiva y
analítica (o inferencial). La bioestadística descriptiva sintetiza y
resume unos datos y los transforma en información útil y fácilmente
«digerible». Sirve para recoger, clasificar, representar y resumir
datos. La bioestadística analítica o inferencial va más allá, pues
establece asociaciones o relaciones entre las características
observadas. Su misión es hacer inferencias o extraer consecuencias
científicas. La presencia de estas asociaciones servirá de base para
contrastar las hipótesis de una investigación frente a los datos
recogidos empíricamente.
La bioestadística descriptiva utiliza dos tipos de procedimientos: el
cálculo de índices estadísticos, que son números que resumen de
modo sencillo la información contenida en datos reales, y el uso de
representaciones gráficas, por aquello de que una buena imagen vale
más que mil palabras.
La bioestadística analítica o inferencial usa también dos tipos de
procedimientos: la comprobación de hipótesis («contraste de
hipótesis») y la estimación de intervalos de confianza. El contraste de
hipótesis confronta los resultados encontrados en una muestra (un
subgrupo) con una hipótesis inicial, teórica y universal (para la
población de la que procede la muestra o subgrupo). Tras el
contraste, se acaba tomando una decisión sobre si los datos apoyan o
no esa hipótesis de partida. El contraste de hipótesis convencional,
con pensamiento dicotómico (sí o no, blanco o negro), está
actualmente bajo intenso escrutinio, ya que se ha abusado de él (5).
Por ejemplo, se contrastó la hipótesis de que los anticonceptivos
orales producían cáncer de mama. Era una hipótesis científica
universal (aplicable ya para siempre a todas las mujeres en edad fértil
que han vivido, viven o vivirán en el mundo entero). Se valoró esa
hipótesis con una muestra de 1,8 millones de mujeres danesas
inicialmente libres de cáncer de mama y seguidas durante
aproximadamente 11 años (6). Al comparar después la frecuencia de
aparición de cáncer de mama, se vio que el riesgo era un 20%
relativamente superior si tomaban anticonceptivos orales que si no
los tomaban. Se calculó que, si los anticonceptivos no fuesen
responsables de este exceso de riesgo, la probabilidad de hallar esta
diferencia o una todavía mayor en la muestra (1,8 millones de
mujeres) sería ínfima, del 2‰. Es decir, sería muy raro que este
hallazgo se debiera al azar. Por este motivo, se decidió concluir que
usar anticonceptivos orales se relacionaba con un mayor riesgo de
cáncer de mama. Lo ideal hubiese sido no quedarse en esto sino
valorar todo el posible rango de efectos compatibles con los
resultados del estudio (5). Esto es lo que persigue el intervalo de
confianza.
Un intervalo de confianza se presenta como un rango de valores
creíble para un parámetro desconocido. Esta credibilidad o
compatibilidad se mide en términos similares a los de la
probabilidad. En el ejemplo anterior, el exceso relativo de riesgo era
del 20%, pero a este exceso de riesgo se le calculó un intervalo de
confianza al 95% (IC 95%), que incluía la horquilla de valores que
iban desde un exceso del 14% hasta un exceso del 26% (6), que son
compatibles con los resultados del estudio.
En la figura 1.1 se resumen los distintos apartados que comprende
la bioestadística.

FIGURA 1.1 Aspectos estudiados por la bioestadística.

1.3. Poblaciones y muestras
Habitualmente, la estadística estudia solo una muestra de individuos.
Una muestra es un subgrupo, es decir, una parte de una población.
La población es el conjunto total, o «universo», de todos los
individuos o elementos que cumplen ciertas características. Los
términos universo y población pueden intercambiarse. En ciencia,
suele asumirse que la población total es inaccesible desde un punto
de vista práctico (incluiría a quienes vivieron, viven y vivirán), por
lo que hay que conformarse con estudiar solo una muestra. El interés
está en poder extraer conclusiones válidas para toda una población a
partir solo de una muestra. Esto es lo interesante y la cuasi magia
que hace atractiva la bioestadística. El proceso de extracción de una
muestra a partir de una población se denomina muestreo. La
interpretación del tratamiento estadístico de unos datos que acaba
generalizándose a toda la población se conoce por inferencia. Estos
conceptos se representan esquemáticamente en la figura 1.2.
FIGURA 1.2 Muestras y poblaciones: procesos de muestreo
e inferencia.